Tensorflow是怎樣運作的

1. 導入或生成數據集

2. 對數據進行標準化

3. 將數據集劃分成三部分：訓練集、測試集合驗證（validation）集：驗證集用于調整假設參數，以獲取一組最好的假設參數

4. 設定算法參數

5. 初始化變量（Variable）和占位符（Placeholder）

6. 定義模型結構

7. 聲明損失函數

8. 初始化并訓練模型

9. 評估模型

10. 調整假設參數

11. 部署／預測新的輸出

聲明變量（Variable）和張量（Tensor）

固定張量：

創建一個由0填充的張量：

zero_tsr = tf.zeros([row_dim, col_dim])

創建一個由1填充的張量：

ones_tsr = tf.ones([row_dim, col_dim])

創建一個由常數填充的張量：

filled_tsr = tf.fill([row_dim, col_dim], 42)

創建一個張量類型的常數

constant_tsr = tf.constant([1,2,3])

序列張量：

linear_tsr = tf.linspace(start=0, stop=1, start=3)

integer_seq_tsr = tf.range(start=6, limit=15, delta=3)

隨機張量：

randunif_tsr = tf.random_uniform([row_dim, col_dim],minval=0, maxval=1)

randnorm_tsr = tf.random_normal([row_dim, col_dim],mean=0.0,stddev=1.0)

truncnorm_tsr = tf.truncated_normal([row_dim, col_dim],mean=0.0, stddev=1.0)

# mean表示均值，stddev表示偏差

randnorm=tf.random_normal(shape=[1000],mean=0 ,stddev=1.)

randtrun=tf.truncated_normal(shape=[1000],mean=0,stddev=1.)

對比

shuffled_output = tf.random_shuffle(input_tensor)

cropped_image = tf.random_crop(my_image, [height/2, width/2,3])

使用占位符（Placeholder）和變量（Variable）

變量：就是算法中的那些參數，tenserflow框架會時刻追蹤著那些變量，調整變量的值，使算法最優化。

placeholder：占位符，你可以往里面喂進制定類型和形狀的張量。

代碼

使用矩陣

//創建對角矩陣

identity_matrix = tf.diag([1.0, 1.0, 1.0])

//將數組轉化為張量

D = tf.convert_to_tensor(np.array([[1., 2., 3.],[-3., -7.,-1.],[0., 5., -2.]]))

//兩個矩陣相乘

tf.matmul(m1,m2)

//對矩陣進行轉置操作

tf.transpose(m)

//計算矩陣所對應的行列式的值

tf.matrix_determinant(m)

//獲取該矩陣的逆矩陣

tf.matrix_inverse(m)

//使用cholesky分解：一個對稱正定矩陣可以表示成一個下三角矩陣L和其轉置的乘積的分解

tf.cholesky(m)

//獲取矩陣的特征值和特征向量

tf.self_adjoint_eig(m)

聲明操作（Operation）

abs()

求輸入tensor的絕對值

ceil()

對tensor進行向上取整

cos()

求tensor的cos值

exp()

求tensor以e為底的指數

floor()

對tensor進行向下取整

inv()

求tensor的倒數

log()

求tensor的自然對數

maximum()

選取兩個tensor中較大的那個元素

minimum()

選取兩個tensor中較小的那個元素

neg()

求tensor的負數

pow()

第一個tensor作為底數，第二個tensor作為指數

round()

獲取tensor的約數，四舍五入

rsqrt()

求tensor的平方根到倒數

sign()

根據tensor的sign值返回-1,0,1

sin()

求tensor的sin值

sqrt()

求tensor的平方根

square()

求tensor的平方

squared_difference()

求兩個tensor的差的平方

輸出結果

實現激活函數

sigmod 類：

sigmod: 1/(1+exp(-x))

tanh: ((exp(x)- exp(-x))/(exp(x)+exp(-x))

softsign: x/(abs(x) + 1)

輸出圖像

ReLu 類:

softplus: log(exp(x) + 1)

ReLu: max(0,x)

ReLu6: min(max(0,x),6)

ExpLu(elu): (exp(x)-1) if x < 0 else x

總結

以上是生活随笔為你收集整理的Tensorflow（一） 基础命令的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。